如何Java软件商店UTF-16在16位char类型的字符？(How does Java store

根据爪哇SE 7规范 ，Java使用的Unicode UTF-16标准来表示的字符。 当想象一个String作为各自包含一个字符的16位变量的简单阵列 ，寿命也很简单。

不幸的是，代码点这16位根本没有足够的（我相信这是所有Unicode字符的16/17）。 因此，在一个String ，这造成没有直接的问题，因为使用额外的两个字节想要存储的其中之一〜1.048.576字符时，因为根本就是两个阵列位置String将被使用。

这，不构成任何直接的问题，适用于String S，因为不可能永远是一个额外的两个字节。 虽然，当涉及到单一的变量，其在此相反的UTF-16编码，具有16个比特的固定长度 ，如何能这些字符被存储，并且特别是，如何Java使用2字节的“字符”做类型 ？

Answer 1:

答案是的Javadoc ：

char数据类型（因此，一个字符对象封装的值）是基于原始Unicode规范，其定义字符为固定宽度的16位实体。 Unicode标准已经被改变，以允许其表示需要多于16位的字符。

合法代码点的范围现在是U + 0000到U + 10FFFF，被称为Unicode标值。 （参考Unicode标准的U + n进制的定义。）的字符集从U + 0000到U + FFFF有时被称为基本多语种平面（BMP）。 字符中代码点大于U + FFFF称为增补字符。 在Java 2平台使用在字符数组和在字符串和StringBuffer类UTF-16表示。 在这个表示中，增补字符表示为一对char值，所述第一从高代理范围，（\ uD800- \ uDBFF），第二个从低代理范围（\ uDC00- \ uDFFF）。

char值，因此，表示基本多语种平面（BMP）代码点，其中所述替代的编码点，或UTF-16编码的代码单元。 一个int值表示所有Unicode代码点，包括增补代码点。 下（至少显著）INT的21个比特用于表示Unicode代码点和上部（最显著）11位必须为零。

除非另有说明，关于增补字符和代理char值的行为如下：只接受一个char值的方法无法支持增补字符。 他们从代理范围为未定义字符对待char值。 例如，Character.isLetter（“\ uD840”）返回false，即使如果跟任何低代理值的字符串这个特定的值将是一个字母。 接受一个int值支持所有Unicode字符，包括增补字符的方法。 例如，Character.isLetter（0x2F81A），因为该代码点值表示字母（a CJK表意文字）返回true。 在Java SE API文档，Unicode代码点用于字符值U + 0000和U + 10FFFF之间的范围内，和Unicode代码单元用于属于UTF-16编码的代码单元的16位char值。 有关Unicode术语的详细信息，请参阅Unicode的词汇。

简单地说：

• 对于一个char规则的16位是专为旧版本的Unicode标准
• 你有时需要两个字符来表示一个unicode符文（代码点），这是不是在基本多文种平面。 这kindof“作品”，因为你不经常使用的字符，特别是处理BMP之外的Unicode符文。

更简单的说：

• 一个Java字符并不代表一个Unicode编码点（当然，不总是）。

顺便说一句，它可以指出，统一的演变到延伸经过BMP由UTF-16全局无关，现在UTF-16甚至不使固定字节字符比。 这就是为什么越来越多的现代语言都是基于UTF-8。 该宣言有助于理解。

Answer 2:

基本上，字符串存储的UTF-16编码单元的序列...这是不一样的存储Unicode代码点的序列。

当需要基本多语种平面以外的字符，即占用内的两个UTF-16代码单元String 。

大多数String操作- length() charAt ， substring()等交易中的UTF-16编码单元号。 不过，也有类似的操作codePointAt()将处理完整的Unicode代码点......虽然索引中的UTF-16编码单元方面依然表示。

编辑：如果您想将非BMP代码点存储在一个单一的char ，你基本上是出于运气。 这就像想要存储在超过256倍不同的值byte变量...这是行不通的。 以下为表示代码点在其他地方（例如，在约定String ），最好只使用一个int变量。

文章来源: How does Java store UTF-16 characters in its 16-bit char type?